Trends in the primary healthcare nursing workforce in managing diabetes from two sample surveys in 2006–2008 and 2016 in Auckland, New Zealand
Notice bibliographique
Résumé
AIM: To examine trends in the primary healthcare nursing workforce and their community management of diabetes. METHOD: Two representative surveys were carried out in 2006-2008 and 2016 among all primary healthcare nurses in Auckland. Nurses were randomly selected, and 26% (n=287) and 24% (n=336) completed a self-administered questionnaire and telephone survey. Biographical information, knowledge of diabetes, how valued nurses felt and diabetes care for patients was provided. RESULTS: Between surveys, numbers of practice nurses have significantly increased, and specialist nurse numbers decreased, while district nurse numbers remained the same. In 2016, practice nurses were younger, more ethnically diverse, more likely to undertake education and had increased knowledge of diabetes and diabetes-related complications (including stroke) compared to nurses in 2006-2008. More nurses consulted patients, conducted foot examinations, addressed serum glucose, medication management, tobacco use and followed up care independently of doctors. In 2016, only 37% of nurses felt sufficiently knowledgeable to discuss medications with patients, <20% could state that hypertension, smoking and dyslipidaemia were major risk factors for complications, and less nurses felt valued. CONCLUSION: Practice nurses have increased their capacity in diabetes management following global trends and require more support in meeting the complex healthcare needs of people with diabetes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».